亚马逊AWS官方博客

Category: Artificial Intelligence

跨国企业进入中国市场：如何利用亚马逊云科技文档 MCP 服务器解决区域差异问题

本文介绍了跨国企业如何利用亚马逊云科技文档 MCP 服务器解决中国区域差异问题。通过设置 AWS_DOCUMENTATION_PARTITION 环境变量，企业可以便捷访问中国区文档，了解服务差异和合规要求。这一功能帮助企业降低市场进入风险，加速本地化进程，为跨国企业在中国市场的成功落地提供技术支持。

基于 LLamaFactory 和 EasyR1 打造一站式无代码大模型强化学习和部署平台 LLM Model Hub

大语言模型（Large Language Models, LLMs）在近几年经历了前所未有的发展。之前我们已经推出过《基于 Amazon SageMaker 和 LLaMA-Factory 打造一站式无代码模型微调部署平台 Model Hub》，文中主要介绍了如何使用这一平台利用 Amazon Sagemaker AI 的动态算力资源进行高效的监督微调（Supervised Fine-tuning, SFT）和模型部署。

Strands Agents 快速上手 – dbt on Amazon Redshift 数据质量智能体

在数据质量监控逐渐引入 AI Agent 来增强自动化诊断能力。这类智能 Agent（通常由大语言模型+工具组成）可以自主扫描数据管道和指标，一旦发现异常立即触发分析。智能 Agent 具备快速根因归因能力：它们可以沿着 dbt 等工具提供的血缘关系链，将异常现象追溯到具体的数据表、字段或源头任务，从而立刻定位问题来源。

Amazon Q in QuickSight 实战：利用自然语言快速生成数据报表与洞察

着生成式 AI 尤其是大语言模型的快速发展，数据分析领域正在发生显著变化。过去依赖手动建模、拖拽图表、编写查询语句的流程，正逐渐被“自然语言驱动分析”的方式所取代。这种变化带来的最大影响，是让业务人员可以用他们熟悉的语言与数据对话，不再依赖专业分析师或复杂工具，从而显著提升分析效率与业务响应速度。面对这样的趋势，越来越多的企业开始探索将 AI 与 BI 结合，以提升数据的使用效率和覆盖人群。

快时尚电商行业智能体设计思路与应用实践（二）借助 LangChain/LangGraph 和 MCP 重塑行业的智能化生态系统

MCP 生态构建，连同大模型能力上升将会加速推动快时尚电商行业的智能化模式创新，比如说，MCP 协议可以加速企业智能应用迭代，协助企业实现业务目标，如缩短新品上市周期，提升库存周转率，提升服务体验与运营效率。在本篇博客中，我们将演示通过 MCP 进行跨系统的自动化协同，协助 AI 客服实现 7×24 小时全渠道智能响应，针对用户综合信息与对话历史的个性化服务。

Amazon Bedrock Runtime API 集成指南——从 Invoke Model API 迁移到 Converse API，简化生成式 AI 应用开发

Amazon Bedrock 作为亚马逊云科技在海外区域的全托管服务，为开发者提供高性能基础模型。随着模型的快速迭代，Bedrock 推出了新的 Converse API，统一了模型调用方式，大大降低了开发复杂度。Converse API 支持结构化对话历史，使多轮对话管理更加简单。本文详细对比了 Invoke Model API 和 Converse API，并给出了迁移建议。立即了解如何借助 Converse API 高效构建对话式 AI 应用!

← Older posts
Newer posts →